Kentino AI 192 Rome ArcProB70 TBD — 6× Intel Arc Pro B70 — EPYC Milan (Précommande)
Plateforme de qualité professionnelle, assemblée et testée dans l'UE.
EN PRÉPARATION
Précommande — Intel Arc Pro B70, expédition visée au T3 2026
Kentino AI 192 Rome ArcProB70 TBD
Serveur d'inférence Intel Xe2 à 192 GB de VRAM
6x Arc Pro B70 | EPYC Milan | TOPS à définir
Configuration à forte VRAM orientée budget, taillée pour la pile d'inférence open source d'Intel. Prix figé à la disponibilité Intel.
Un serveur d'inférence 4U montable en rack, doté de six cartes Intel Arc Pro B70 Creator (32 GB Xe2-HPG « Battlemage » chacune, 192 GB au total), d'un processeur AMD EPYC 7643 Milan (48C/96T), de 384 GB de DDR4 ECC, d'un disque de démarrage NVMe de 2 TB et d'une alimentation ATX de 2 kW (passage à deux alimentations vivement recommandé). Conçu pour l'écosystème logiciel Intel : OpenVINO 2025+, IPEX-LLM, backend SYCL de llama.cpp et forks vLLM-Intel. Les charges de travail exclusivement CUDA ne fonctionnent pas sur ce matériel.
Matériel
| Composant | Détail |
|---|---|
| GPU | 6x Intel Arc Pro B70 Creator 32 GB (Xe2-HPG « Battlemage », 250 W, PCIe 5.0 x16, double slot) |
| Pool de VRAM | 192 GB cumulés sur 6 cartes (aucun fabric entre cartes — trafic pair-à-pair via PCIe) |
| CPU | AMD EPYC 7643 Milan (48C/96T, 225 W, 128x lignes PCIe 4.0) |
| Carte mère | ASRock Rack ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI) |
| RAM système | 384 GB DDR4-2666 ECC RDIMM (6x 64 GB) |
| Démarrage / stockage | 2 TB NVMe M.2 (PCIe 4.0 x4) |
| Alimentation | 1x alimentation ATX de 2 kW (passage à deux alimentations de 2 kW synchronisées vivement recommandé) |
| Châssis | 4U montable en rack (agencement à 6 slots) |
| Refroidissement | Refroidisseur tour SP3 (Arctic Freezer 4U-M) + flux d'air dirigé d'avant en arrière (ventilateurs industriels) |
| Réseau | Double 10 GbE intégré (Intel X550) |
Enveloppe électrique
- Consommation GPU : 6 x 250 W = 1 500 W (TDP publié par Intel)
- Total système à pleine charge : ~1 825 W
- Alimentation totale : 2 000 W (simple) — seulement 8.75 % de marge
- Deux alimentations de 2 kW synchronisées vivement recommandées — la marge remonte à ~45 %
Topologie des lignes PCIe
La ROMED8-2T fournit 7x ports PCIe 4.0 x16. Six slots sont occupés, un reste libre pour ajouter une carte réseau. L'Arc Pro B70 est nativement PCIe Gen5 ; la ROMED8-2T fonctionne en Gen4 — l'impact sur la bande passante est négligeable pour de l'inférence à 32 GB par carte. Aucun switch PCIe. Aucun équivalent Xe-Link.
Ce que vous pouvez exécuter
Toutes les annonces de compatibilité portent sur les chemins de la pile logicielle Intel (OpenVINO, IPEX-LLM, llama.cpp SYCL, vLLM-Intel). Les charges de travail exclusivement CUDA ne fonctionnent pas sur ce matériel. Tous les chiffres proviennent de sources externes publiées et restent à vérifier de façon indépendante à la sortie des cartes.
LLM — texte / raisonnement / code
Modèles de pointe chinois
- Qwen3 / Qwen3.5 (Alibaba) : Qwen3-235B-A22B Q4 (~132 GB) avec de la marge pour un contexte long ; Qwen3-Coder-480B-A35B Q2 (~160 GB) ; Qwen3.5-397B-A17B Q3 (~170 GB)
- GLM / Z.ai : GLM-4.5 / 4.6 / 4.7 Q4 (~177 GB) — tient avec un cache KV modéré
- Tencent Hunyuan : Hunyuan-Large Q3 (~160 GB) ; Hunyuan-A13B fp8 (~80 GB) si le chemin fp8 de Xe2 est exposé par le pilote
- Autres : Baidu ERNIE-4.5-424B Q3 (~180 GB) ; MiniMax-M1 Q3 (~180 GB) ; DeepSeek-R2 32B (6x flux simultanés)
Modèles de pointe occidentaux
- Meta Llama : Llama 3.3 70B Q6-Q8 avec un cache KV généreux ; Llama 4 Scout 109B/17B Q4 (~63 GB) tout à son aise
- Mistral : Mistral Small 3 / Magistral Small / Devstral Small 2 (24B) en bf16 ; Pixtral Large Q4-Q6
- OpenAI (poids ouverts) : gpt-oss-120b MXFP4 natif (~80 GB) — si la déquantification MXFP4 est disponible dans la pile Intel
- NVIDIA Nemotron : Llama-3.1-Nemotron Ultra 253B Q4 (~120 GB)
- Autres : Gemma 3 27B bf16 multimodal ; Phi-4 / Phi-4-reasoning 14B ; Cohere Command R+ 104B Q4
Modèles vision-langage
Qwen3-VL-8B / 32B ; Qwen3-VL-30B-A3B MoE ; InternVL3 jusqu'à 78B ; InternVL3.5-38B ; Llama 3.2 90B Vision Q4 ; Pixtral 12B ; Molmo 72B Q4 ; Gemma 3 12B/27B multimodal ; MiniCPM-V 2.6 / MiniCPM-o 2.6. L'OpenVINO d'Intel prend très bien en charge les tours de vision — le VLM est un point fort crédible dès le premier jour.
Génération d'images
FLUX.1 [dev] / [schnell] fp8 ou Q4 GGUF via llama.cpp SYCL ; SDXL / SD 3.5 Large via le runtime genAI d'OpenVINO ; HunyuanDiT ; HunyuanImage-2.1 bf16 (~34 GB) ; Kolors 2.0 ; AuraFlow ; OmniGen ; PixArt-Sigma.
Génération de vidéos
Wan 2.2 T2V-A14B / I2V-A14B MoE (~54 GB bf16) ; Wan 2.2 TI2V-5B ; HunyuanVideo 13B bf16 ; HunyuanVideo 1.5 ; CogVideoX-5B ; Open-Sora 2.0 ; LTX-Video ; Pyramid Flow ; Mochi-1 Q4. La vidéo reste aujourd'hui le maillon faible du chemin Intel — attendez-vous à un résultat fonctionnel mais pas optimal en débit à la sortie.
Audio / parole / TTS
- ASR : Whisper v3 large / turbo via OpenVINO (prise en charge Whisper de premier ordre chez Intel) ; Parakeet-TDT ; Canary ; SenseVoice
- TTS : CosyVoice 2/3 ; Kokoro 82M ; Stable Audio Open ; XTTS v2 ; StyleTTS 2 ; Step-Audio-EditX
- Temps réel / S2S : Kyutai Moshi ; MusicGen / AudioGen / Bark ; SeamlessM4T v2
Service multi-modèles / multi-locataires
- 6 flux simultanés d'un modèle Q4 de 32 GB (un par carte) — par exemple 6x agents Qwen3-32B Q4
- Flotte d'embeddings à grande échelle — 6x flux BGE-M3 / E5 / Nomic Embed en parallèle (optimisés OpenVINO)
- Résidence mixte — 70B Q4 (parallélisme tensoriel sur 3 cartes) + FLUX.1 (1 carte) + Whisper-turbo (1 carte) + Moshi (1 carte)
Charges de travail visées
- Pilote d'évaluation du logiciel Intel pour un service de LLM alternatif à CUDA
- Backend d'embeddings / reranker où le rapport VRAM par euro prime sur les besoins de débit
- Inférence économique de MoE de pointe en Q4 (Qwen3-235B, GLM-4.5/4.6/4.7) pour de petites équipes de développement internes
- Déploiement de modèles nativement OpenVINO aux côtés de chaînes Intel Xeon / Arc Pro existantes
- Backend VLM / OCR / traitement documentaire (le point fort d'OpenVINO chez Intel)
Performances mesurées
Spécifications publiées par Intel | À vérifier de façon indépendante à la sortie des cartes
| Spécification | Valeur |
|---|---|
| VRAM par carte | 32 GB GDDR6 |
| Classe de bande passante mémoire | ~450 GB/s par carte |
| Xe Matrix Extensions (XMX) | Accélérées via OpenVINO / IPEX-LLM |
| Chemin fp8 | Silicium Xe2 — vérifier son exposition par le pilote à la sortie |
Aucune mesure Kentino. Les spécifications publiées par Intel restent à vérifier de façon indépendante. Kentino publiera ses propres chiffres de tok/s, de QPS et de bande passante dès que la première unité aura passé son rodage.
Moins adapté à
- Les charges de travail nativement CUDA — pas de CUDA chez Intel, prévoyez des frictions de migration
- Les déploiements de production critiques en SLA, tant que l'approvisionnement et l'outillage Intel Arc Pro ne sont pas stabilisés
- Les MoE de pointe de 600B+ en Q4 et au-delà (il faut 6x RTX Pro 6000 / un pool de 576 GB)
- Les charges d'entraînement — l'Arc Pro est pensée d'abord pour l'inférence et la maturité des frameworks d'entraînement distribué reste limitée
- Les clients qui exigent des benchmarks mesurés avant l'achat — cette référence est en précommande
Garantie et délais
Garantie standard Kentino (2 ans pièces, 1 an main-d'œuvre) ; les conditions de distribution Intel prévalent lorsqu'elles sont plus strictes. L'assemblage comprend le montage, la configuration du BIOS, l'installation des pilotes, le rodage et la vérification fonctionnelle. Réservez votre créneau de livraison de première vague via le formulaire de contact Kentino. Prix garanti 30 jours à la commande.
Options recommandées
- Passage à deux alimentations de 2 kW synchronisées (la marge d'une seule alimentation est juste à 1 825 W — vivement recommandé)
- Extension de la RAM à 512 GB DDR4 (2x 64 GB — deux slots libres)
- Disque secondaire NVMe de 4 TB pour la bibliothèque de modèles
Les questions que les acheteurs nous posent le plus fréquemment avant de commander un serveur.
Combien de temps cela prend-il ?
Les machines assemblées à partir de composants que nous avons en stock partent vite ; tout ce qui exige une génération de GPU précise dépend de l'approvisionnement. Nous vous donnons une date avant le paiement et, si elle bouge, nous vous prévenons plutôt que de vous laisser le découvrir.
La configuration peut-elle être modifiée avant l'assemblage ?
Presque toujours. Les GPU, la mémoire, le stockage et le refroidissement sont choisis commande par commande, et la configuration affichée est un point de départ plutôt qu'un ensemble figé. Si vous avez besoin de plus de VRAM, d'un stockage plus rapide ou d'une autre approche de refroidissement, dites-le nous avant de commander et nous chiffrerons la modification.
Puis-je venir récupérer le serveur sur place ?
Bien sûr. Notre entrepôt est à Prague et le retrait sur place est le bienvenu — la plupart de ceux qui viennent en profitent pour passer la machine en revue avec notre ingénieur et poser les questions qui passent mal par e-mail. Pour les commandes en République tchèque, nous essayons aussi de livrer en personne et de vous accompagner dans l'installation sur site.
Puis-je parler à quelqu'un qui comprend vraiment la charge de travail ?
Oui. Nous avons un ingénieur dédié aux systèmes d'IA, et non un simple service commercial. Si votre question porte sur les tailles de batch, la quantification, l'interconnexion ou l'endroit où se situera votre goulot d'étranglement, posez-la — cette conversation améliore généralement la configuration.
Quel modèle puis-je faire tourner sur cette configuration ?
Oui. Chaque machine est assemblée, soumise à un test de rodage et évaluée sur de véritables charges de travail IA avant son expédition, et elle quitte nos ateliers avec un LLM déjà installé et opérationnel. Vous la branchez, vous la connectez à votre réseau et vous commencez à travailler — la seule décision qui vous reste est de choisir le premier projet qu'elle fera tourner.
Comment testez-vous un serveur avant son expédition ?
Nous les éprouvons sur de véritables charges de travail IA plutôt que sur des scores synthétiques : débit d'inférence, tenue en charge soutenue et comportement thermique en fonctionnement continu. Vous recevez les résultats des tests avec la machine : les performances promises sont donc celles que vous pouvez vérifier dès le premier jour.
Le serveur est-il prêt à fonctionner à son arrivée ?
Oui. Chaque machine est assemblée, soumise à un test de rodage et évaluée sur de véritables charges de travail IA avant son expédition, et elle quitte nos ateliers avec un LLM déjà installé et opérationnel. Vous la branchez, vous la connectez à votre réseau et vous commencez à travailler — la seule décision qui vous reste est de choisir le premier projet qu'elle fera tourner.
Expédition depuis notre entrepôt dans l’UE. Les articles lourds peuvent nécessiter un transport en fret — contactez-nous pour un devis d’expédition et un délai de livraison. Garantie limitée de 2 ans avec support RMA avancé ; extension de garantie disponible.
Pas tout à fait ce qu'il vous faut ?
Dites-nous votre charge de travail et nous configurons cette plateforme autour d'elle — GPU, mémoire, stockage et refroidissement adaptés à ce que vous exécutez vraiment.